希望大家仔细阅读，能够学有所成！

一：车辆识别成果展示

二：车辆识别超详细步骤解析

步骤一：灰度化处理

灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小

效果展示：【避免内存浪费 帧差法对前后帧图像灰度化处理】

//1灰度处理目的RGB三通道转灰度单通道压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理
//imshow("frontGray",frontGray);//测试
//imshow("afterGray",afterGray);//测试

步骤二：帧差处理

帧差处理目的 找到帧与帧之间的差异（正在运动的物体）

效果展示：【运动目标的检测：运动事物显示灰度，静止事物显示黑度】

//2帧差处理目的找到帧与帧之间的差异(正在运动的物体)
Matdiff;
MatfrontGray,afterGray;
absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中
imshow("diff",diff);//测试

步骤三：二值化处理

二值化处理 目的 将灰度图继续识别转换为黑白分明的图像

效果展示：【步骤二中运动事物显示灰度，静止事物显示黑度，在这里进行二值化处理，能够黑白分明，便于计算机识别运动目标，如下右图二值化处理后黑白分明】【缺点：存在白色噪点，如下右图除了车辆外后面的背景也显示白度，这就是白色噪点，需要去除】

//3二值化处理目的将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
imshow("threshold",diff);//测试

步骤四：图像降噪

4-1 腐蚀处理 目的 去除白色噪点

效果展示：【步骤三中存在的白色噪点能够去除，但是在去除白色噪点的同时，也影响了车辆的白度显示，如下右图可以看出，车辆白度显示有所降低，因此还是需要改进】

//4图像降噪
//4-1腐蚀处理目的去除白色噪点
Matelement=cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
imshow("erode",diff);//测试

4-2 膨胀处理 目的 把白色区域变大

效果展示：【如下右图，将车辆形状大致显示，便于框选车辆识别操作】

//4-2膨胀目的把白色区域变大
Matelement2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
imshow("dilate",diff);//测试

步骤五：提取关键点 框选运动目标检测

效果展示：车辆识别成功

//5提取关键点
//5-1查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//5-2提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
//5-3确定下四个点来用于框选目标物体
intx,y,w,h;
intnum=contours.size();
for(inti=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}

三：车辆识别完整代码

#include<iostream>
include<opencv2/opencv.hpp>
usingnamespacestd;
usingnamespacecv;
MatmoveCheck(Mat&frontFrame,Mat&afterFrame)
{
MatresFrame,diff;
MatfrontGray,afterGray;
//克隆当前帧画面返回最终结果
resFrame=afterFrame.clone();
//1灰度处理目的RGB三通道转灰度单通道压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);
//imshow("frontGray",frontGray);
//imshow("afterGray",afterGray);
//2帧差处理目的找到帧与帧之间的差异(正在运动的物体)
absdiff(frontGray,afterGray,diff);
//imshow("diff",diff);
//3二值化处理目的将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
//imshow("threshold",diff);
//4图像降噪
//4-1腐蚀处理目的去除白色噪点
Matelement=cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
//imshow("erode",diff);
//4-2膨胀目的把白色区域变大
Matelement2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
//imshow("dilate",diff);
//5提取关键点
//5-1查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//5-2提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
//5-3确定下四个点来用于框选目标物体
intx,y,w,h;
intnum=contours.size();
for(inti=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}
returnresFrame;
}
intmain(intargc,char*argv[])
{
Matframe;
Mattemp;
Matres;
intcount=0;
VideoCapturecap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径
while(cap.read(frame))
{
count++;
if(count==1)
{
res=moveCheck(frame,frame);
}
else
{
res=moveCheck(temp,frame);
}
imshow("frame",frame);
imshow("res",res);//最终车辆识别成果
temp=frame.clone();
waitKey(15);
}
return0;
}

当然，夜晚的车辆也能够正常识别

不过，本次的帧差法的车辆识别存在弊端，只要是运动的物体都会识别，比如，博主打开摄像头，动一动手指头，也会被框选识别，因此是有一定弊端的